《第二节边缘分布.ppt》由会员分享,可在线阅读,更多相关《第二节边缘分布.ppt(34页珍藏版)》请在三一文库上搜索。
1、第二节 边缘分布,引言,边缘分布 随机变量独立性,一、边缘分布的定义,1边缘分布 设(X,Y)为二维随机向量其分布函数为F(x,y),X和Y的分布函数分别记为Fx(x)和FY(y), 依次称Fx(x),FY(y)为(X,Y)关于X和关于Y的边缘分布函数.,2.公式. 由于Fx(x)=P(XxY+)=PXx,Y+ =F(x,+) 同理有 FY(y)=F(+, y).,1边缘分布律 设(X,Y)为离散型二维随机向量,分别称X和Y的分布律为(X,Y)关于X和Y的边缘分布律。 2计算 问题:设(X,Y)的联合分布律为 PX=xi,Y=yj=pij,i,j=1,2,求关于X和Y的边缘分布律。,二、离散型
2、二维随机向量的边缘分布律,3边缘分布律的表示法,求(X,Y)关于X和Y的边缘分布律。,解: X的可能取值为1,3且 PX=1=PX=1,Y=-1+PX=1,Y=0+PX=1,Y=4 =0.17+0.05+0.21=0.43 因此关于X的边缘分布律为,同样的方法求得关于Y的边缘分布律为,我们常把边缘分布律写在联合分布律表格的边缘上如下表所示,三、连续型随机向量(X,Y)的边缘概率密度 1.边缘概率密度 设(X,Y)为连续型随机向量,具有概率密度f(x,y), X和Y的概率密度分别为fx(x),fY(y),分别称fx(x), fY(y)为(X,Y)关于X和Y的边缘概率密度。,2.公式:,例1: 设
3、(X,Y)的分布函数为 F(x,y)=A(B+arctanx)(C+arctany), - x+ , - y+ 求(1)常数A,B,C (2)边缘分布函数Fx(x),FY(y)。 解: 由分布函数的性质知,联立这三个方程可得,A=1/2, B=/2,C=/2. 从而,例2: 设(X,Y)在单位圆D(x,y)|x2+y21上服从均匀分布,求边缘概率密度fx(x),fY(y)。 解 (X,Y)的p,d为:,先求fx(x) : 当-1x1时,例4: 设(X,Y)N(1,2,12,22,),即(X,Y)具有概率密度,求边缘概率密度fx(x),fY(y) 。,即XN(1,12),YN(2,22).且不依
4、赖参数。,第三节 随机变量独立性,引言 我们把独立性这一概念引入随机变量的情况。那么我们怎么定义随机变量独立性这一概念呢? 直观上,如果随机变量X(Y)的取值丝毫不影响随机变量Y(X)的取值,则X和Y是独立的随机变量。即设I1,I2为数轴上任何两个区间,事件XI1与YI2是独立的,即 PXI1 , YI2=PXI1PYI2 特别取I1 =(-,x),I2=(-,y),(x,y为任意实数),上式就化为 PXx,Yy=PXxPYy,即为 F(x,y)=Fx(x)FY(y) 反之,若X与Y满足F(x,y)=Fx(x)FY(y) ,则有 Px1Xx2,y1Yy2 =F(x2, y2)- F(x1, y
5、2)-F(x2, y1)+ F(x1, y1) = Fx(x2)FY(y2)- Fx(x1)FY(y2)- Fx(x2)FY(y1)+Fx(x1)FY(y1) =Fx(x2)-Fx(x1)FY(y2)-FY(y1) =Px1Xx2Py1Y y2 可进一步推广,对任意区间I1,I2,有 PXI1,YI2=PXI1PYI2。,1 定义:设F(x,y)及Fx(x) , FY(y)分别是二维随机变量(X,Y)的分布函数及边缘分布函数。若对于所有x,y有 F(x,y)=Fx(x)FY(y) 则称随机变量X和Y是相互独立的。,一、随机变量独立性的定义,例1: 在2例1中讨论X与Y的独立性。 解: (X,Y
6、)的分布函数为,边缘分布函数分别为,容易看出,对于任意实数x,y都有 F(x,y)=Fx(x)FY(y), 所以X与Y是相互独立的,注释 由联合分布可以确定边缘分布,但反之,由边缘分布不能确定联合分布。如果X与Y相互独立,则X,Y的边缘分布就能确定联合分布。,定理 设(X,Y)为离散型随机变量,其分布律为 PX=xi,Y=yj=pij (i,j=1,2,) 其边缘分布分别律为PX=xi=pi (i=1,2,) PY=yj=p j (j=1,2,) 则X与Y相互独立的充要条件是对于任意i,j 有: pij= pipj,证明:(1)充分性。若对于任意i,j有: pij=pip j 则对于任意实数x
7、,y有,二、离散型随机变量独立的等价条件,所以X与Y相互独立。,(2)必要性。若X与Y相互独立,对于任意实数 x1x2,y1y2,有 Px1Xx2,y1Yy2=Px1Xx2Py1Yy2,于是,对于任意i,j,由概率的连续性,例1: 在上节例中讨论X与Y的独立性。,解: 由计算知 PX=1=0.43,PY=-1=0.21, 且 PX=1, Y=-1=0.17 容易看出 PX=1,Y =-1PX=1PY=-1 因此X与Y不是相互独立的随机变量.,三、连续型随机变量独立的等价条件 定理. 设(X,Y)是连续型随机变量,f(x,y),fx(x),fY(y)分别为(X,Y)的概率密度和边缘概率密度,则X
8、和Y相互独立的充要条件是等式 f(x,y) = fx(x)fY(y) 对f(x,y),fx(x),fY(y)的所有连续点成立. 证明:(1) 充分性。若f(x,y)=fx(x)fY(y) ,则,所以,X与Y相互独立,(2)必要性。若X与Y相互独立,则在f(x,y) , fx(x),fY(y)的所有连续点有,例1: 一负责人到达办公室的时间均匀分布在812时,他的秘书到达办公室的时间均匀分布在79时,设他们两人到达的时间相互独立,求他们到达办公室的时间相差不超过5分钟(1/12小时)的概率。 解: 设X和Y分别是负责人和他的秘书到达办公室的时间,由假设X和Y的概率密度分别为,因为X,Y相互独立,
9、故(X,Y)的概率密度为,按题意需求概率P|X-Y|1/12。画出区域:|x-y|1/12及长方形8x12;7y9,它们的公共部分是四边形表BCCB,记为G。显然仅当(X,Y)取值于G内,他们两人到达的时间相差才不超过1/12小时。因此,所求的概率为,而G的面积=ABC的面积-ABC的面积,于是 P|X-Y|1/12=1/48 即负责人和他的秘书到达办公室的时间相差不超过 5分种的概率为1/48。,例2: 设(X,Y)N(1,2,12,22,),证明X 与Y相互独立的充要条件为=0。 证明: (X,Y)的概率密度为,关于X和Y的边缘密度分别为,(1)充分性。如果=0,则对所有x,y有 f(x,
10、y) = fx(x)fY(y) ,即X与Y相互独立。 (2)必要性。如果X与Y相互独立,由于f(x,y), fx(x), fY(y)都是连续函数,故对所有X,Y有f(x,y) = fx(x)fY(y) ,特别地,取x=1 ,y=2可得,从而=o.,四、独立性推广的一些定义 独立性的概念推广至高维随机向量的情形 1定义: 设(X1,X2,Xn)为n维随机向量,其分布函数为F(x1,x2,xn),关于xi的边缘分布函数Fxi(xi),若对于任意实数x1,x2,xn有,则称X1,X2,Xn是相互独立的。,定义:设(X1, X2, Xm)和(Y1,Y2,Yn)为两个随机向量,其分布函数分别为 F1(x
11、1,x2,xm),F2(y1,y2,yn), 又设m+n维随机向量(X1, X2, Xm, Y1,Y2,Yn)的分布函数为F(x1,x2,xm,y1,y2,yn) ,若为对任意实数x1,x2,xm,y1,y2,yn有 F(x1,x2,xm,y1,y2,yn)=F1(x1,x2,xm) F2(y1,y2,yn) 则称向量(X1, X2, Xm)与(Y1,Y2,Yn)是相互独立的。,2独立性推广的定理 定理1. 如果随机变量X1, X2, Xn相互独立,I1,I2,In为数轴上任意n个区间,则事件x1I1,x2I2,xnIn相互独立. 定理2. 若X1, X2, Xn相互独立,则 (1)其中任意k个随机变量也相互独立。 (2) Y1=g1(X1), Y2=g2(X2), Yn=gn(Xn)也相 互独立, gi(x)(i=1,2,n)为n个连续函数。,定理3. 若(X1, X2, Xn)和(Y1,Y2,Ym)相互独立,则 (1) (X1, X2, Xn)中任意k个随机变量构成的随机向量与(Y1,Y2,Ym)中任意l个随机变量构成的随机向量也相互独立. (2) g1 (X1, X2, Xn)与g2 (Y1,Y2,Ym)也相互独立, 其中g1, g2为连续函数.,
链接地址:https://www.31doc.com/p-2915783.html